数据分析师在我国的发展背景下，已成为数据师领域的一个重要分支，他们在大数据和互联网的浪潮中，融合了数据结构与数据库基础，以及传统统计学与机器学习等新统计学的知识体系。

数据分析的概念并非起源于我国，而是较早出现在微软、谷歌等国际巨头中。在学术领域，数据分析（Data Analysis/DA）和数据科学（Data Scientist/DS）各有侧重，DS倾向于提供数据侧的“软件”，如高级统计模型和可视化方案，而DA则侧重于数据的业务加工和初步分析。

随着中国互联网的迅猛发展，数据分析岗位也迅速被国内企业接纳，尤其是在腾讯、阿里巴巴等互联网巨头中。尽管国内教育机构已开设相关课程，但人才培养方向尚不明确，行业教育仍需完善。

中国特色数据分析师能力建设与职业发展

数据分析岗位在不同企业中的需求也存在差异，有的企业需要搭建数据库，有的则需数据产生价值，还有的期待长期稳定的分析输出。这些需求差异导致了招聘方与求职者的供需混乱。

当前市场数据分析师岗位存在一种现象：要求高，但实际工作内容普通。招聘方往往提出熟练掌握SQL、Python、Hadoop、Spark等技能的要求，却未能明确数据分析在企业中的决策角色。

这种现象一方面源于企业对数据分析职责的不明确，另一方面则是求职者和招聘方对决策角色的模糊期待，导致行业管理困难。

数据分析师虽顶着“高大上”的头衔，实际工作却千差万别，有的负责数据仓库搭建，有的进行数据可视化，还有的提供长期分析报告。这些差异源于行业发展过程中的供需混乱。

教培市场混乱、高校教育缺乏系统性也是当前行业面临的问题。数据分析培训课程价格悬殊，质量参差不齐，而高校大数据专业虽逐渐开设，但与实际企业需求仍有差距。

数据分析岗位的发展经历了多个阶段，未来将向标准化、细分职能的方向发展。当前，不同企业处于不同发展阶段，数据分析师需找准自身发展方向。

数据分析的核心能力包括统计知识与编程语言的结合、业务理解与沟通能力、提供可行解决方案的能力以及其它软实力。而数据分析师的日常工作则涉及数据需求、埋点统计、报表开发等多个方面。

薪资方面，数据分析师的薪酬水平受多种因素影响，存在较大差异。